公开(公告)号：CN118710951A

公开(公告)日：2024-09-27

申请号：CN202410712908.9

申请日：2024-06-04

Applicant: 安徽大学

Inventor： 王姗姗 ,  胡敏彬 ,  冯子英 ,  杨勋 ,  张兴义

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084 ,  G06N3/088 ,  G06N3/048

Abstract: 本发明公开了一种基于数据增强的领域混合无监督域自适应图像分类方法，包括：1对源域和目标域的数据进行预处理，以确保数据质量并为后续处理提供一致性基础；2.建立一种利用数据增强技术的领域混合自适应模型，该模型旨在通过增强技术提高模型对不同领域数据的泛化能力；3.将经过预处理的源域和目标域数据输入到构建的模型中，进行训练以优化模型参数；4.利用训练完成的模型对图像进行分类，实现准确的图像识别和分类效果。本发明在样本级别上实施领域混合，通过结合源域和目标域的样本，构建出两个新的中间领域，从而显著减少了源域样本和目标域样本的随机性，从而拉近了两者之间的距离完成高效的图像分类。

公开(公告)号：CN117636051A

公开(公告)日：2024-03-01

申请号：CN202311687521.4

申请日：2023-12-11

Applicant: 安徽大学

Inventor： 王姗姗 ,  胡敏彬 ,  杨勋 ,  张兴义

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088 ,  G06N3/048

Abstract: 本发明引入了一种基于自训练对比学习无监督领域自适应的图像分类方法，包括：1.对源域目标域图像预处理；2构建基于自训练对比学习框架的领域自适应模型；3.将处理好的图像作为输入，以无监督的方式训练构建好的网络模型；4.利用训练好的网络模型进项跨域图像分类。本发明利用源域和目标域之间的内在分布差异，采用不同的策略来学习域不变特征，并引入了对抗性机制，以调整两个领域之间的分布差异，以促进从源域到目标领域的有效知识转移，从而能准确高效地完成图像分类。

公开(公告)号：CN116912575A

公开(公告)日：2023-10-20

申请号：CN202310866261.0

申请日：2023-07-14

Applicant: 安徽大学 ,  合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

Inventor： 王姗姗 ,  杨勋 ,  胡敏彬 ,  张兴义 ,  许柯 ,  刘淳

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种特征解纠缠的无监督领域自适应图像分类方法，包括：1.对源域目标域图像预处理；2.构建基于特征解耦的领域自适应模型；3.将处理好的图像作为输入，以无监督的方式训练构建好的网络模型并利用训练好的网络模型进项跨域图像分类。本发明通过将语义相关特征与不同的领域相关特征相结合，可以在不改变其内在类别信息的情况下将特征转移到其他领域，从而完成图像高效高准确率的分类。